基于多核字典学习的软件缺陷预测

摘要：

提出一种多核字典学习方法,用以对软件模块是否存在缺陷进行预测.用于软件缺陷预测的历史数据具有结构复杂、类不平衡的特点,用多个核函数构成的合成核将这些数据映射到一个高维特征空间,通过对多核字典基的选择,得到一个类别平衡的多核字典,用以对新的软件模块进行分类和预测,并判定其中是否存在缺陷.在NASAMDP数据集上的实验表明,与其他软件缺陷预测方法相比,多核字典学习方法能够针对软件缺陷历史数据结构复杂、类不平衡的特点,较好地解决软件缺陷预测问题.

关键词：软件缺陷预测、多核学习、字典学习、类不平衡

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：131-134,168